一种基于相似性的加权模糊产生规则计算方法

提出了一种基于相似性的加权模糊产生规则计算方法.该方法允许权重与确定因子等参数用普通的语言词来表示,从而提高了模糊产生规则的知识表示力,使其更符合人们的思维习惯,为其应用提供了更大的范围.还提出了一种改进的方法来计算结果的模糊值及其确定因子,从而使计算结果更加合理.     

英语学习者语言失误的文化因素

为了明晰英语学习和教学的基本侧重点,采用语料库研究方法,以自建小型英语笔语语料库为基础,以其中出现的语言失误现象为研究对象,归纳出学习者在英语笔语输出时的主要问题.在此基础上,通过对比英汉语言的文字及句式特点,指出英语语言知识的欠缺,以及母语负迁移的影响是导致其用语失误的深层根源,进而建议英语教学与英语学习应首先以英汉语言的基本区别为重,达到事半功倍的效果.     

多规则具有相同结论情况下的可信度偏差

Shortliffe等人在名的MYCIN计算机医疗专家系统中提出了一种非精确推理模型,在该模型中,当多规则（3条以上）具有相同结论时,结论的可信度依赖于对规则的采纲顺序,对由此产生的可信度偏差进行了分析,给出了多规则具有相同结论情况下估计可信度最大偏差的方法,并从尽量模仿人类思维与尽量推出准确结论两个方面对结果进行了分析。     

基于联系数的纯语言多属性群决策方法

对决策者权重、属性权重和属性值均以语言形式给出的纯语言多属性群决策问题进行了研究,定义了a bi型联系数的运算法则及加权平均(WAA)算子,通过将模糊语言评估标度转化为a bi型联系数,基于WAA算子提出了一种纯语言多属性群决策方法,并进行了实例分析。     

一种基于PROSPECTOR及MYCIN系统的综合推理模型

分析ＭＹＣＩＮ的可信度ＣＦ与ＰＲＯＳＰＥＣＴＯＲ的充分性度量ＬＳ的关系．将可信度ＣＦ引入到主观Ｂａｙｅｓ模型上,导出一个综合的推理模型．该模型不仅消除了ＣＦ与ＬＳ间可能存在的不一致性,而且减少了要求先验概率值的结点数．     

论司法运作的不确定性及其矫正

理论上,确定性是司法运作的常态。事实上,司法运作的不确定也经常发生,但往往被忽视。如何对待这种司法现象,一个合理的态度应该是:只要不对司法运作的确定性造成“硬伤”,就可以放任,否则便应当予以禁止或矫正。     

基于二元等距语言标签的多源定性信息融合方法

进一步扩展了Herrera-Martínez的二元等距语言标签表示模型(即扩大集成运算β的范围、改善负运算算子,定义类 Herrera-Martínez的转化函数Δ(·)和逆转换函数Δ(·)等),以便适合不确定信息的定性组合推理.并在此基础上,为了使得二元等距语言标签在定性融合规则中的合理运算,进一步提出二元标签之间的加、减、乘、除等运算算子,以及DSmT(Dezert-Smarandache theory)理论框架下的定性组合规则和冲突分配规则,并给出了归一化证明.最后通过一个简单的例子来表明其优点,即克服了当前其他方法处理定性不确定信息融合的不足:只针对某种特定的不确定,缺乏广泛的适应性;一元标签定性表示精度不足而导致信息损失严重,缺乏类似定量计算中方便灵活的定性运算算子等.     

单值中智语言环境下的TODIM决策方法

基于决策过程中属性值信息的不确定性以及决策者对收益与损失风险态度的差异,提出了单值中智语言环境下的交互式多属性决策方法(TODIM).首先,利用单值中智语言集量化属性值信息中的不确定度并进一步地描述属性值信息;其次,基于改进后的语言标度函数定义了单值中智语言数的距离测度和集结算子;在此基础上,通过标准差计算属性权重,依据TODIM方法计算各方案的全局优势度并排序;最后,通过节能服务公司的选择案例验证了该方法的可行性与有效性.     

确定性理论及主观Bayes方法的一个统一框架

本文讨论下列问题:1.提出一个统一框架:假定不确定知识由断言和推理不确定性组成,则其推理形式由AND型结合、OR型结合和COMB(组合)型结合组成.2.讨论在建造专家系统中,处理不确定性知识的确定性理论和主观Bayes方法,并将这个统一框架用于上述二种不精确推理方法,使这二种推理方法进一步系统化.3.讨论确定性理论和确定性因子的定义,提出一个将确定性因子的区间从[-1,1]压缩到[0,1]的方法.     

混沌及其教学意义--兼谈物理教学中的确定性与随机性

自然界是确定性的还是随机性的，这是一个如何客观认识世界的问题。混沌学的出现，提出了新的认识观．带来新的思维变革。在简介大学物理中的确定性与随机性的基础上，阐述混沌的教学及其思想和方法对转变教育教学观念和改进大学物理教学所给的启示。     

高炉专家系统的不精确推理模型

为适应高炉专家系统的要求，开发了一种不精确推理模型，在该 ，全面考虑了重要度，γ算子、证据值、佐证条件、时间因素及分层阈值等对最终结果的影响。     

基于相对熵的多粒度不确定语言型群决策方法

针对决策者属性权重信息不完全条件下的多粒度不确定语言型多属性群决策问题,提出了一种决策分析方法.该方法首先使用二元语义转换函数对多粒度语言信息进行一致化处理,然后通过建立使得备选方案对正理想解相对熵最小、负理想解相对熵最大的最优化模型确定决策者的属性权重,最后使用不确定二元语义变量的有序加权平均算子获得决策群组的评价结果,并通过计算备选方案优于其他方案的可能度,给出备选方案的排序.算例说明了所提方法的可行性和有效性.     

《方言》与扬雄的语言思想

从《方言》本身的研究入手，探讨了扬雄的语言思想。认为《方言》体现了扬雄实事求是的语言思想，反映了作者语言的地域观和语言演变的历史观。     

基于可信度本体模型及不确定性推理的情境感知应用

为增强本体对不确定性知识的表示与推理支持,将可信度方法与本体模型相结合,提出了一种基于可信度的本体建模与不确定性推理方法,根据证据源的可靠性修正知识的可信度值,并通过改进结论不确定性合成方法,使推理结果更加符合客观实际. 家庭远程健康监护系统的应用实例分析表明该方法是可行、有效的.      

基于确定性系数模型与逻辑回归模型耦合的地质灾害易发性评价——以贵州省开阳县为例

贵州省开阳县地质条件复杂,区内地质灾害频发。以该县为研究区,选取高程、坡度、地形起伏度、坡向、工程岩组、斜坡结构、断层、水系、归一化植被指数(normalized difference vegetation index,NDVI)等9个影响因子,基于GIS的栅格数据模型,分别采用确定性模型(certainty factor,CF)、Logistic回归模型以及两种模型耦合的方法进行地质灾害易发性评价,利用灾害点在各等级下的分布和成功率曲线(receiver operating characteristic,ROC)对三种模型的评价精度进行检验。结果表明:CF模型与Logistic回归模型评价结果总体上一致,但是耦合模型的评价分区结果更加合理,精度更高。因此,基于耦合模型的评价结果,将开阳县地质灾害易发性等级分为高易发区、中易发区、低易发区和极低易发区。这为县级区域地质灾害易发性评价提供了理论指导和技术参考。     

一种基于模糊集的混合空间推理方法

基于模糊集合理论, 提出一种将定性空间推理与定量空间推理相结合进行混合空间推理的方法. 将对象间的空间关系解释为表达有关对象空间信息语言变量的限制, 引入语言变量表达定性空间关系; 把语言变量与模糊集合关联起来, 获得定量空间信息; 通过将语言值映射为模糊集合, 以及将模糊集合的元素映射为语言限制词, 实现了定性空间信息和定量空间信息间的转换. 此外, 还给出了与Allen提出的二元基 本关系关联的模糊关系, 并得到了基于模糊关系的Allen推理算法, 从而实现了空间关系间 的推理.     

关于留学生语言交际能力的培养

分析了对外汉语教学目的随着时代的发展也发生的变化:20世纪50年代初到70年代后期,以培养言语技能为教学目的;从70年代末开始,把培养语言交际能力作为对外汉语教学的教学目的,在对外汉语教学界已得到基本认同,但在具体的教学实践中往往不能得到充分贯彻,不能很好地突出语言交际能力的培养。探讨了在对外汉语教学实践中如何真正实现语言交际能力培养的问题,即建立课堂交际性训练体系。     

语言判断矩阵的满意一致性判定方法

文章研究了语言判断矩阵的满意一致性及方案排序问题,在给出语言判断矩阵及其满意一致性概念的基础上,提出语言判断矩阵的导出矩阵和偏好关系矩阵的概念,由此建立语言判断矩阵满意一致性的判定方法,依据所给出的判定方法,得出关于语言判断矩阵的方案优劣的排序方法,最后通过算例说明了该方法的有效性。     

基于不确定语言环境的绩效考评模型

研究了属性权重不完全、属性值以不确定语言变量形式给出的不确定语言绩效考评问题,引入了不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间的距离的概念．首先用不确定语言加权平均（ULWA）算子集成得到群不确定语言决策矩阵,然后针对属性权重不完全的情形,给出了一个求解权重的逼近于相对理想点法;然后利用不确定语言加权平均（ULWA）算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵（互补判断矩阵）,继而利用互补判断矩阵排序公式对决策方案进行排序和择优;最后进行实例分析．     

神经网络与模糊故障诊断专家系统结合的应用研究

讨论基于模糊产生式规则的故障诊断专家系统与神经网络相结合的问题,把推理网络同神经网络联系起来,使它能转换成神经网络。结论经实例验证,该方法可靠有效。利用神经网络的并行处理和自学习能力,能避免传统模糊推理的冲突,低效率和知识获取的瓶颈问题。